Датасет · FBK-MT
Многоязычный речевой корпус ЕС
FBK-MT/mosel
До 950 тыс. часов открытой речи на 24 официальных языках ЕС с автоматическими транскриптами.
Что внутри
MOSEL — коллекция открытых речевых записей, собранных по лицензиям open-source. В неё входят, в частности, 441 тыс. часов неразмеченной речи из VoxPopuli и LibriLight с транскриптами от Whisper. Заявлен охват 24 официальных языков ЕС; в метаданных перечислены en, bg, hr, cs, da, nl и другие.
Что можно сделать
- Обучить многоязычную ASR-модель вроде Whisper
- Дообучить TTS на речи разных языков ЕС
- Проверить качество транскрипции на малоресурсных языках
- Задачи
- Распознавание речи, Синтез речи
- Языки
- Английский, bg, hr, cs, da, Нидерландский, et, fi и ещё 4
- Размер
- 1M–10M записей
- Скачиваний за месяц
- 8 тыс.
- Лайков
- 94
Модели, обученные на нём
Как загрузить
from datasets import load_dataset
ds = load_dataset("FBK-MT/mosel")